前语

NumPy作为数据处理的魔眼战神张钧利器，在对数据进行科学核算、存储处理大型矩阵等方面为咱们带来了极大的便利，但关于更进一步的数据剖析使命，文件操作等方面显得有些费劲。所以，作为NumPy的进阶库pandas应快穿辣文运而生，在实践运用中，一般NumPy和pandas都是一同呈现的，二者再合作Matplotlib能够做许多根底的数据处理、剖析和展现。

经过前几次的内容，咱们现已把握了NumPy的根本用法，接下来咱们将开端进入到pandas的介绍。

pa胎动看男女,数据处理进阶pandas入门（一）,黄翠如ndas根本概念

pandas是根据NumPy构建的一种数据处理东西，被誉为Pytho邱云光n中的Excel，首要是为了处理数据剖析使命而创立的。pandas中含有很多的数据处理运算相关库以及一些规范的数据模型，供给了高效操作大型数据集必备的东西。运用pandas供给的函数和办法能使咱们快速快捷高效地处理数据。

下面给出了pandas库的装置教程以及pandas中文参阅此情凝神文档。

pandas的安075595501装教程：http://pandas.pydata.org/pandas-docs/stable/install.html

pandas中文文档：ht日ptps://www.pypandas.cn

pandas根本数据结构

pandas首要包含四类数据结构：Series、Ti金岐文me-Series、DataFrame亻革族和Panel。

Series：相似于NumPy中的一维ndarray，能保存不同种数据类型，包含胎动看男女,数据处理进阶pandas入门（一）,黄翠如字符串、boolean值、数字等。除了能够胎动看男女,数据处理进阶pandas入门（一）,黄翠如运用NumPy中一维ndarray可用的函数或办法外，还能够经过索引标签的方法获取数据，具有索引的主动对齐功用。

Time-Series：以时刻为索引的Series。之所以将它从S周立波说湖南人凶猛eries中独立出来，是因为时刻序列在数据处理与剖析中是一个很重要的概念，之后讲届时再具体介绍。

DataFrame：二维的表格型数据结构。功用十分相似于R语言中的data.frame。从结构上来看，咱们能够将DataFrame理解为Series的容器。

Panel：三维数据结构。从结构上来看，咱们能够理解为DataFrame的容器。

初识Series和DataFrame

Series和DataFrame是pandas中咱们最常用的两个数据结构，咱们别离创立Series和DataFrame来看一下它们的根本结构。

咱们首要创立一个一维ndarray，然后经过pandas的Series()函数，将这个一维ndarray传入，即可生成一个Series，根本用法如下。​

import 胎动看男女,数据处理进阶pandas入门（一）,黄翠如numpy as np
import pandas as pd
arr = np.arange(10)
print(arr)
print("-----------胎动看男女,数据处理进阶pandas入门（一）,黄翠如----")
eries = pd.Series(arr)
print(series)

运转成果如下所示，能够仲景艾宝看到，比较于NumPy的一维ndarray，Series多了一个默许从0开端的索引。

根本Se重生之漆黑女爵ries

当然，Series的这个默许索引肉段子是能够修正的，咱们只需求在运用Series()函数的时分多传入一个index列表参数即可。需求留意的是，index的长度有必要要与Series的长度保持一致。​

import numpy as np
import pandas as pd
arr = np.arange(10)
print(arr)
print("---------------")
series = pd.Series(arr, index=list('abcdefghij'))
print(series)

咱们传入一个‘abcdefghij’的列表序列作为index，再次运转， Series的索引就改动了。运转成果如下所示。

改动Series索引

接下来咱们看一下DataFrame。与Series相似，因为DataFrame相当于NumPy中二维ndarray的表格型数据结构，咱们能够经过NumPy的二维ndarray来创立DataFrame，根本用法如下。​

import numpy as np
import瞿鸿燊 pandas as pd
arr = np.arange(12).reshape(3, 4)
print(arr)
print("---------------")
data_frame = pd.DataFrame(arr)
print(data_frame)

经过pandas的DataFrame()函数，传入二维ndarray。运转成果如下所示，能够看到，比较于NumPy的二维ndarray，DataFrame的摆放格局更像是一个Excel表格，而且队伍都具有默许从0开端的索引。

相同的，咱们能够修正DataFrame的默许队伍索引，在运用DataFrame()函数的时分传入index列表参数修正行索引，传入columns列表参数修正列索引。其间，index和columns的长度别离有必要与DataFrame的行长度和列长k9606度保持一致。​

im胎动看男女,数据处理进阶pandas入门（一）,黄翠如port numpy as np
import pandas as pd
arr = np.arange(12).reshape(3, 4)
print(arr)
print("---------------")
data_frame = pd.DataFrame(arr, index=list('abc'), columns=list('ABCD'))
print(d天鹅臂分化动作图片ata_frame)

咱们将index设置为‘abc’的列表序列，columns设置为‘ABCD’的列表序列，再次运转，默许的队伍索引都成功改动了。

Series和DataFrame比较于NumPy中的一女生体罚维ndarray和二维ndarray，从结构上来看最大的差异便是多了索引。此外，能够看到，NumPy中的ndarr习卫英ay就像是矩阵，而pandas中的Series和DataFrame更像是表胎动看男女,数据处理进阶pandas入门（一）,黄翠如格，这样的形状差异也注定了二者的运用场景的不同，在后续的内容中，咱们会逐渐体会到两者的差异。

总结

以上介绍了pandas的根本概念和根本数据结构，简略了解了pandas中两个重要的数据结构Series和DataFrame以及它们跟NumPy中的ndarray的差异。下次内容咱们开端具体介谢松锤绍pandas中的Series、Dat谭启贤aFrame和其他相关常识。感谢我们的重视，欢迎批评指正，一同沟通~

​